2021/2022

Анализ социальных сетей

Статус: Маго-лего

Кто читает: Департамент анализа данных и искусственного интеллекта

Когда читается: 4 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Карпов Илья Андреевич

Язык: английский

Кредиты: 3

Контактные часы: 32

Course Syllabus

Abstract

Курс знакомит студентов с активно развивающейся междисциплинарной областью исследования структурных данных и закономерностей в них. В рамках курса мы рассмотрим методы статистического и структурного анализа сетей, модели формирования и эволюции сетей и процессов, машинное обучение на графах. Особое внимание будет уделено практическому анализу и визуализации реальных сетей с использованием доступных программных средств, современных языков программирования и библиотек.

Learning Objectives

• Providing students with essential knowledge of network analysis applicable to real world data, with examples from today’s most popular social networks.

Expected Learning Outcomes

• Students analyze real work networks.
• Students develop practical skills of network analysis in R programming language.
• Students know basic notation and terminology used in network science.
• Students understand basic principles behind network analysis algorithms.
• Students visualize, summarize and compare networks.

Course Contents

• Introduction to network science
• Descriptive network analysis
• Mathematical models of networks
• Node centralitiy and ranking on network
• Network communities
• Epidemics and information spreading in networks
• Diffusion of innovation
• Spatial models of segregation

Assessment Elements

• Homework 1
• Homework 2
• Homework 3
• Homework 4
• Exam
  Экзамен проводится письменно путем отправки тестов на электронную почту студентов за 15 минут до начала экзамена.

Interim Assessment

• 2021/2022 4th module
  0.15 * Homework 1 + 0.15 * Homework 4 + 0.15 * Homework 2 + 0.4 * Exam + 0.15 * Homework 3

Bibliography

Recommended Core Bibliography

• Easley, D. et al. Networks, crowds, and markets. – Cambridge : Cambridge university press, 2010. – 744 pp.
• Kolaczyk E. D., Csárdi G. Statistical analysis of network data with R. – New York : Springer, 2014. – 207 pp.

Recommended Additional Bibliography

• Barabási A. L., Frangos J. Linked: the new science of networks science of networks. – Basic Books, 2002. – 211 pp.
• Zuur, A., Ieno, E. N., Meesters E. A Beginner's Guide to R. – Springer Science & Business Media, 2009. – 240 pp.